Batch Normalization

本文链接：https://arxiv.org/abs/1502.03167 简介 在深度神经网络训练的过程中，当前面层的参数发生变化时，会导致后面层输入数据的分布变化，进而影响训练效果，使网络的训练变得复杂。本文提出了一种Batch Normalization方法解决这个问题，该方法可以使用较大的学习率进行学习，同时可以忽略掉dropout的作用，提高模型收敛速度，提高识别率。 Introduct

>>阅读原文<<